DeserializeSparse

kelas akhir publik DeserializeSparse

Deserialisasi objek `SparseTensor`.

Input `serialized_sparse` harus berbentuk `[?, ?, ..., ?, 3]` dengan dimensi terakhir menyimpan objek `SparseTensor` yang diserialkan dan N dimensi lainnya (N >= 0) berhubungan dengan satu batch. Peringkat objek `SparseTensor` asli semuanya harus cocok. Saat `SparseTensor` terakhir dibuat, peringkatnya adalah peringkat objek `SparseTensor` yang masuk ditambah N; tensor renggang telah digabungkan sepanjang dimensi baru, satu untuk setiap kumpulan.

Nilai bentuk objek `SparseTensor` keluaran untuk dimensi asli adalah nilai maksimal seluruh nilai bentuk objek `SparseTensor` masukan untuk dimensi terkait. Dimensi baru sesuai dengan ukuran batch.

Indeks objek `SparseTensor` masukan diasumsikan diurutkan dalam urutan leksikografis standar. Jika tidak demikian, setelah langkah ini jalankan `SparseReorder` untuk memulihkan pengurutan indeks.

Misalnya, jika input serial adalah matriks `[2 x 3]` yang mewakili dua objek `SparseTensor` asli:

indeks = [ 0] [10] [20] nilai = [1, 2, 3] bentuk = [50]

Dan

indeks = [ 2] [10] nilai = [4, 5] bentuk = [30]

maka `SparseTensor` terakhir yang dideserialisasi akan menjadi:

indeks = [0 0] [0 10] [0 20] [1 2] [1 10] nilai = [1, 2, 3, 4, 5] bentuk = [2 50]

Konstanta

Rangkaian OP_NAME Nama operasi ini dikenal dengan mesin inti TensorFlow

Metode Publik

statis <U memperluas TType > DeserializeSparse <U>
buat ( Lingkup lingkup, Operan <? extends TType > serializedSparse, Kelas<U> dtype)
Metode pabrik untuk membuat kelas yang membungkus operasi DeserializeSparse baru.
Keluaran < TInt64 >
Keluaran < TInt64 >
Keluaran <U>

Metode Warisan

Konstanta

String akhir statis publik OP_NAME

Nama operasi ini dikenal dengan mesin inti TensorFlow

Nilai Konstan: "DeserializeSparse"

Metode Publik

public static DeserializeSparse <U> buat ( Lingkup lingkup, Operan <? extends TType > serializedSparse, Kelas<U> dtype)

Metode pabrik untuk membuat kelas yang membungkus operasi DeserializeSparse baru.

Parameter
cakupan ruang lingkup saat ini
berseriSparse Objek `SparseTensor` yang diserialkan. Dimensi terakhir harus memiliki 3 kolom.
tipe `dtype` dari objek `SparseTensor` yang diserialkan.
Kembali
  • contoh baru dari DeserializeSparse

Output publik < TInt64 > sparseIndices ()

Keluaran publik < TInt64 > sparseShape ()

Output publik <U> sparseValues ​​()